同一文件输入 R 的多个分隔符答案

【问题标题】：Multiple Separators for the same file input R同一文件输入 R 的多个分隔符
【发布时间】：2013-12-03 05:13:16
【问题描述】：

我已经寻找答案，但只找到了涉及 C 或 C# 的内容。我意识到 R 的大部分内容是用 C 编写的，但我对此一无所知。我对 R 也比较陌生。我正在使用当前的 Rstudio。

这与我想要的相似，我想。 Read the data efficiently with multiple separating lines in R

我有一个 csv 文件，但一个变量是一个字符串，其值由 _ 和 - 分隔而且我想知道是否有一个包或额外的代码在读取时执行以下操作。命令。

"1","Client1","Name2","*Name3_Name1_KB_MobApp_M-13-44_AU_PI Likes by KB_ANDROID","2013-08-31 13:39:55.0","2013-10-16 13:58:00.0",0,218,4,93,1377907200000
"2","Client1","Name2","*Name3_Name1_KB_MobApp_M-13-44_AU_PI Likes by KB_ANDROID","2013-08-31 13:39:55.0","2013-10-16 13:58:00.0",0,390,5,157,1377993600000
"3","Client1","Name2","*Name3_Name1_KB_MobApp_M-13-44_AU_PI Likes by KB_ANDROID","2013-08-31 13:39:55.0","2013-10-16 13:58:00.0",0,376,5,193,1.37808e+12
"4","Client1","Name2","*Name3_Name1_KB_MobApp_M-13-44_AU_PI Likes by KB_ANDROID","2013-08-31 13:39:55.0","2013-10-16 13:58:00.0",1,35,1,15,1377907200000
"5","Client1","Name2","*Name3_Name1_KB_MobApp_M-13-44_AU_PI Likes by KB_ANDROID","2013-08-31 13:39:55.0","2013-10-16 13:58:00.0",12,11258,117,2843,1377993600000
"6","Client1","Name2","*Name3_Name1_KB_MobApp_M-13-44_AU_PI Likes by KB_ANDROID","2013-08-31 13:39:55.0","2013-10-16 13:58:00.0",5,4659,56,1826,1.37808e+12
"7","Client1","Name2","*Name3_Name1_KB_MobApp_M-13-44_AU_PI Likes by KB_ANDROID","2013-08-31 13:39:55.0","2013-10-16 13:58:00.0",7,7296,136,2684,1377907200000
"8","Client1","Name2","*Name3_Name1_KB_MobApp_M-13-44_AU_PI Likes by KB_IOS_IPAD","2013-08-31 13:18:21.0","2013-10-16 13:58:00.0",0,4533,35,1632,1377907200000
"9","Client1","Name2","*Name3_Name1_KB_MobApp_M-13-44_AU_PI Likes by KB_IOS_IPAD","2013-08-31 13:18:21.0","2013-10-16 13:58:00.0",0,421,6,161,1377993600000
"10","Client1","Name2","*Name3_Name1_KB_MobApp_M-13-44_AU_PI Likes by KB_IOS_IPAD","2013-08-31 13:18:21.0","2013-10-16 13:58:00.0",0,57,2,23,1.37808e+12

示例行：

Name    Name1   *XYZ_Name3_KB_MobApp_M-18-25_AU_PI ANDROID  2013-09-32 14:39:55.0   2013-10-16 13:58:00.0   0   218 4   93  1377907200000

所以阅读起来很容易

results <- read.delim("~/results", header=F)

但我仍然有字符串 *XYZ_Name3_KB_MobApp_M-18-25_AU_PI

所需的输出（由_ 和- 分隔）：

Name    Name1   *XYZ   Name3  KB   MobApp   M 18 25  AU  PI ANDROID 2013-09-32 14:39:55.0   2013-10-16 13:58:00.0   0   218 4   93  1377907200000

但不拆分时间字符串。

---- 感谢@Henrik 和@AnandaMahto 提供代码和包。 ----

library(splitstackshape)

# split concatenated column by `_`
df4 <- concat.split(data = df3, split.col = "V3", sep = "_", drop = TRUE)

# split the remaining concatenated part by `-`
df5 <- concat.split(data = df4, split.col = "V3_5", sep = "-", drop = TRUE)

【问题讨论】：

我可以选择再次导出到 csv，然后放入 excel 并使用文本到列两次。但由于我使用的是 excel 2010，它的行数有限。
看看str_split 或stringr::str_split_fixed 看看是否有帮助。
啊，这么简单。你认为我应该分多个步骤来做吗？而不是导入。
我会在导入后立即执行。我将在下面发布 sn-p。
您可以使用正则表达式和 | 在 strsplit 中指定多个拆分字符。运算符，例如 strsplit("*XYZ_Name3_KB_MobApp_M-18-25_AU_PI ANDROID",split="\_|\\-")

标签： r csv import delimiter separator

【解决方案1】：

我发现 splitstackshape 包中的函数在这种情况下很方便。

library(splitstackshape)

# split concatenated column by `_`
results2 <- concat.split(data = results, split.col = "V3", sep = "_", drop = TRUE)

# split the remaining concatenated part by `-`
results3 <- concat.split(data = results2, split.col = "V3_5", sep = "-", drop = TRUE)
results3

【讨论】：

我收到“FUN 中的错误（NA_integer_[[1L]], ...) ：参数必须强制转换为非负整数”但感谢您提供的软件包让它发挥作用。
好的。可能您的原始数据的某些特征未在您的问题的小样本中表示（对我来说效果很好）。干杯。
@ChristianArnold，作为包的作者，我有兴趣查看一些导致此错误的实际数据以及重现它的步骤。请随时通过creating an issue at the package's Github issue tracker 这样做。谢谢！

【解决方案2】：

试试这个：

# dummy data
df <- read.table(text="
Name    Name1   *XYZ_Name3_KB_MobApp_M-18-25_AU_PI ANDROID  2013-09-32 14:39:55.0   2013-10-16 13:58:00.0   0   218 4   93  1377907200000
Name    Name2   *CCC_Name3_KB_MobApp_M-18-25_AU_PI ANDROID  2013-09-32 14:39:55.0   2013-10-16 13:58:00.0   0   218 4   93  1377907200000
", as.is = TRUE)

# replace "_" to "-"
df_V3 <- gsub(pattern="_", replacement="-", df$V3, fixed = TRUE)

# strsplit, make dataframe
df_V3 <- do.call(rbind.data.frame, strsplit(df_V3, split = "-"))

# output, merge columns
output <- cbind(df[, c(1:2)],
                df_V3,
                df[, c(4:ncol(df))])

在下面的 cmets 的基础上，这是另一个相关选项，但它使用 read.table 而不是 strsplit。

splitCol <- "V3"
temp <- read.table(text = gsub("-", "_", df[, splitCol]), sep = "_")
names(temp) <- paste(splitCol, seq_along(temp), sep = "_")
cbind(df[setdiff(names(df), splitCol)], temp)

【讨论】：

@zx8754，两个想法：（1）如果你要使用strsplit方法，使用正则表达式并跳过gsub这一步，也许只使用do.call(rbind, ...)，因为（我认为）rbind.data.frame 更慢（而且它给你的名字很时髦）。 (2) 如果你打算使用gsub 方法，忘记strsplit 并使用read.table(text = df_V3, sep = "-")。
但是 +1 的答案至少应该将 OP 指向正确的方向 ;-)
如果我有足够的声望点，我会投票。但遗憾的是还没有。
@ChristianArnold，用一些可重复的数据和一些你尝试过的例子来编辑你的问题，人们肯定会对你的问题给予更多的支持，这反过来会让你投票关于答案;-)
@AnandaMahto 同意，代码有点混乱，目的是引导 OP 朝着正确的方向发展，请随时编辑。

【解决方案3】：

library(stringr)

results <- read.delim("~/results", header=F)
results <- cbind(results,str_split_fixed(results$V3, "[_-]", 9))

（假设您可以将原始列保留在原位）

【讨论】：